Ciencia

Sensibilidad de procedimientos estad´
ısticos:
Bondad de Ajuste y Robustez.
Alejandra Caba˜ a Nigro
n
y
Alfonso Gordaliza Ramos
Departamento de Estad´
ıstica e Investigaci´n Operativa
o
Universidad de Valladolid
• Jos´ Ram´n Berrendero (Universidad Aut´noma de Madrid), B. M´ndez,
e
o
o
e
D. Tyler y R. Zamar: Curvas de sesgo para M-estimadores restringidos.
• Ricardo Cao(Universidade da Coru˜a) e I. Van Keilegom: Empirical
n
Likelihood tests for two-sample problems via nonparametric density estimation.
• Antonio Cuevas (Universidad Aut´noma de Madrid), J.R. Berrendero y
o
F. V´zquez : Un test de uniformidad multivariante basado en una noci´n
a
o
geom´trica de profundidad.
e
• Pedro Delicado (Universitat Polit´cnica de Catalunya) y J. Romo: Cone
stant coefficienttests for random coefficient regression.
• Luis Angel Garc´ Escudero (Universidad de Valladolid) y A. Gordalıa
iza :Some applications for trimmed k-means clustering.
• Aurea Gran´ (Universitat de Barcelona) y Josep Fortiana : Estad´
e
ısticos
para contrstes de bondad de ajuste basados en correlaciones m´ximas.
a
• Wenceslao Gonz´lez Manteiga (Universidad de Santiago de Coma
postela), J.C.Pardo e I. Van Keilegom:Comparison of regression curves
based on the estimation of the error distribution.
• Juan Romo y S. L´pez Pintado, (Universidad Carlos III): Datos funo
cionales: la idea de profundidad.

1

Curvas de sesgo para M-estimadores restringidos
Jos´ R. Berrendero
e
Departamento de Matem´ticas
a
Universidad Aut´noma de Madrid
o
Congreso MAT.ES, Valencia, febrero 2005Sesi´n especial:
o
Sensibilidad de procedimientos estad´
ısticos: Bondad de Ajuste y Robustez.

Una medida muy informativa de la robustez de un estimador es su curva de sesgo m´ximo.
a
Esta curva mide el m´ximo sesgo asint´tico posible del estimador cuando se admite la presena
o
cia de una fracci´n de datos contaminados en la muestra. En este trabajo se calculan y como
paran las curvasde sesgo m´ximo de los MM-estimadores y de los M-estimadores restringidos
a
de regresi´n. Tambi´n se comparan las curvas de sesgo m´ximo de estos estimadores con las de
o
e
a
otros que ya eran conocidas, como los S- y los τ −estimadores. Los M-estimadores restringidos
tienen el mejor comportamiento si se tienen en cuenta conjuntamente las propiedades de robustez –medidas a trav´s de lacurva de sesgo m´ximo– y de eficiencia bajo el modelo normal
e
a
sin contaminaci´n.
o
Otro resultado de inter´s es que para todo S-estimador existe un M-estimador restringido
e
cuyo sesgo m´ximo nunca supera al del S-estimador y es estrictamente menor para algua
na fracci´n de contaminaci´n . Es decir, que los S-estimadores –incluido el estimador que
o
o
minimiza la mediana de los cuadradosde los residuos– son inadmisibles respecto al sesgo.
Este es un trabajo conjunto con Beatriz Mendes, David Tyler y Rub´n Zamar.
e

Empirical likelihood tests for two-sample
problems via nonparametric density estimation.
Ricardo Cao and Ingrid Van Keilegom
Universidade da Coru˜a and Universit´ Catholique de Louvain.
n
e
We study the two-sample problem by comparing kernel estimators ofthe
densities of the two populations via a local empirical likelihood approach. A
bootstrap approximation is proposed to calibrate the empirical likelihood test.
The proposed method can be easily extended to more than two samples and to
multivariate distributions. Some simulation study illustrates the theory.

1

Un test de uniformidad multivariante basado
en una noci´n geom´trica deprofundidad
o
e
Antonio Cuevas
Departamento de Matem´ticas
a
Facultad de Ciencias
Universidad Aut´noma de Madrid
o
Congreso MAT.ES, Valencia, Febrero de 2005
Sesi´n especial dedicada a Sensibilidad de procedimientos estad´
o
ısticos:
Bondad de Ajuste y Robustez
Se propone y analiza un test de uniformidad multivariante para el caso en que
la informaci´n disponible es una muestra...